(7.23) Jeżeli niektóre ze zmiennych objaśniających są endogeniczne, to uwzględnia-jące je modele będą lepiej dopasowane, a odpowiadauwzględnia-jące im wagi – wyższe. Żeby wyeliminować ten problem, drugą średnią zakumulowaną funkcję rozkładu dla zera można obliczyć jako
(7.24) Jeżeli część współczynników o tym samym znaku jest równa lub przekracza 0,9, to wynik klasyfikuje się jako odporny przy założeniu normalnego rozkładu współczynników między modelami.
Przy ostatecznej estymacji przyjęto następującą strategię. W pierwszej ko-lejności tylko modele ze zmienną Z oraz zmiennymi I są estymowane. Wszyst-kie zmienne, które okażą się statystycznie istotne w tym teście, zostaną poddane procedurze EBA. Następnie będą estymowane modele z zmienną Z, zmiennymi I i jedną zmienną M. Procedurę powtarza się dla wszystkich możliwych dwu- oraz trzyelementowych zbiorów zmiennych M. Ponieważ część zmiennych M obrazuje te same zjawiska, wymagana jest jedna dodatkowa restrykcja w celu eliminacji problemu współliniowości. W żadnym z modeli nie mogą pojawić się naraz zmienne bd oraz pd, a także i1, i2 oraz ic.
Rezultaty zaprezentujemy dla modeli z jedną, dwiema i trzema zmiennymi M, a także zbiorczo dla wszystkich rozmiarów modeli oraz modelu bez zmien-nych M. Jeżeli wszystkie modele przejdą test EBA, rezultat zostanie oznaczony jako EBA odporny. Jeżeli wszystkie modele przejdą wszystkie kryteria zapro-ponowane przez Sala-i-Martina, rezultat zostanie oznaczony jako SiM odporny.
Jeżeli wszystkie modele przejdą kryteria Sala-i-Martina dla normalnego rozkładu parametru między modelami, wynik zostanie oznaczony jako N odporny. Jeżeli wszystkie modele przejdą kryteria Sala-i-Martina dla nienormalnego rozkładu współczynników między modelami, wynik zostanie oznaczony jako NN odporny.
W każdym innym przypadku wyniki zostaną zakwalifikowane jako wrażliwe.
Po oszacowaniu odporności wszystkich zmiennych z analizuje się wrażli-wość rezultatów na zmiany w warunkującym zestawie informacji. średnie i wa-żone wartości (z wykorzystaniem krańcowej wartości funkcji wiarygodności) statystyki t dla każdej ze zmiennych Z oblicza się dla każdej rodziny modeli charakteryzującej się odpowiednią liczbą zmiennych M. Opisana procedura po-zwala na określenie, które ze zmiennych M są związane z najwyższymi, a które z najniższymi wartościami statystyki t w wartościach absolutnych. To z kolei pozwala ustalić, czy istotność lub nieistotność statystyczna danej zmiennej Z jest rezultatem wykorzystania w modelach konkretnej zmiennej M lub konkretnej 161
Dane i metody badawcze...
183
obliczenie indywidualnych skumulowanych funkcji rozkładu. Można to uczynić wykorzystując następującą formułę:
∑
3
Jeżeli niektóre ze zmiennych objaśniających są endogeniczne to modele uwzględniające je będą lepiej dopasowane, a odpowiadające im wagi będą wyższe. Żeby wyeliminować ten problem druga średnia zakumulowana funkcja rozkładu dla zera może być obliczona jako:
∑
4
Jeżeli część współczynników o tym samym znaku jest równa lub przekracza 0,9, wynik jest klasyfikowany jako odporny przy założeniu normalnego rozkładu współczynników między modelami.
Przy ostatecznej estymacji przyjęta została następująca strategia. W pierwszej kolejności tylko modele z zmienną Z oraz zmiennymi I są estymowane. Wszystkie zmienne, które okażą się statystycznie istotne w tym teście będą poddane procedurze EBA.Następnie będą estymowane modele z zmienną Z, zmiennymi I oraz jedną zmienną M. Procedura ta jest powtarzana dla wszystkich możliwych dwu- oraz trzyelementowych zbiorów zmiennych M.
Ze względu na fakt, że część zmiennych M obrazuje te same zjawiska, wymagana jest jedna dodatkowa restrykcja w celu eliminacji problemu współliniowości. W żadnym z modeli nie mogą się naraz pojawić zmienne bd oraz pd, a także i1, i2 oraz ic.
Rezultaty będą prezentowane dla modeli z jedną, dwoma i trzema zmiennymi M, a także zbiorczo dla wszystkich rozmiarów modeli oraz modelu bez zmiennych M. Jeżeli wszystkie modele przejdą test EBA, rezultat jest oznaczony jako EBA odporny. Jeżeli wszystkie modele przejdą wszystkie kryteria zaproponowane przez Sala-i-Martina, rezultat jest oznaczony jako SiM odporny. Jeżeli wszystkie modele przechodzą kryteria Sala-i-Martina dla normalnego rozkładu parametru między modelami, wynik jest oznaczany jako N odporny.
183
obliczenie indywidualnych skumulowanych funkcji rozkładu. Można to uczynić wykorzystując następującą formułę:
∑
3
Jeżeli niektóre ze zmiennych objaśniających są endogeniczne to modele uwzględniające je będą lepiej dopasowane, a odpowiadające im wagi będą wyższe. Żeby wyeliminować ten problem druga średnia zakumulowana funkcja rozkładu dla zera może być obliczona jako:
∑
4
Jeżeli część współczynników o tym samym znaku jest równa lub przekracza 0,9, wynik jest klasyfikowany jako odporny przy założeniu normalnego rozkładu współczynników między modelami.
Przy ostatecznej estymacji przyjęta została następująca strategia. W pierwszej kolejności tylko modele z zmienną Z oraz zmiennymi I są estymowane. Wszystkie zmienne, które okażą się statystycznie istotne w tym teście będą poddane procedurze EBA.Następnie będą estymowane modele z zmienną Z, zmiennymi I oraz jedną zmienną M. Procedura ta jest powtarzana dla wszystkich możliwych dwu- oraz trzyelementowych zbiorów zmiennych M.
Ze względu na fakt, że część zmiennych M obrazuje te same zjawiska, wymagana jest jedna dodatkowa restrykcja w celu eliminacji problemu współliniowości. W żadnym z modeli nie mogą się naraz pojawić zmienne bd oraz pd, a także i1, i2 oraz ic.
Rezultaty będą prezentowane dla modeli z jedną, dwoma i trzema zmiennymi M,
a także zbiorczo dla wszystkich rozmiarów modeli oraz modelu bez zmiennych M. Jeżeli
wszystkie modele przejdą test EBA, rezultat jest oznaczony jako EBA odporny. Jeżeli
wszystkie modele przejdą wszystkie kryteria zaproponowane przez Sala-i-Martina, rezultat
jest oznaczony jako SiM odporny. Jeżeli wszystkie modele przechodzą kryteria Sala-i-Martina
dla normalnego rozkładu parametru między modelami, wynik jest oznaczany jako N odporny.
kombinacji zmiennych M. Osobne kalkulacje poczyniono dla modeli z różną liczbą zmiennych M.
Po zakończeniu procedury EBA w celu eliminacji problemu obciążenia jedno-czesnością (ang. simultaneity bias) zastosowano podejście systemowe i podwój-ną metodę najmniejszych kwadratów. W tym celu z wykorzystaniem potrójnej i podwójnej metody najmniejszych kwadratów oszacowano następujący układ równań współzależnych:
(7.25)
(7.26)
gdzie indeksy i,j oznaczają parę krajów i oraz j, a I1 oraz I2 są macierzami zmien-nych instrumentalzmien-nych. W celu zbadania odporności wyników oszacowano rów-nania także innymi metodami: klasyczną metodą najmniejszych kwadratów z ko-rektą Neweya-Westa o heteroskedastyczność i bez tej korekty, metodą najwięk-szej wiarygodności dla kompletnego i niekompletnego zestawu informacji oraz metodą pozornie niezależnych regresji.
162 Rozdział 7
184
Jeżeli wszystkie modele przejdą kryteria Sala-i-Martina dla nie normalnego rozkładu współczynników między modelami, wynik oznaczany jest jako NN odporny. W każdym innym przypadku wyniki zostają zakwalifikowane jako wrażliwe.
Po oszacowaniu odporności wszystkich zmiennych Z, zostaje przeanalizowana wrażliwość rezultatów na zmiany w warunkującym zestawie informacji. Średnie i ważone wartości (z wykorzystaniem krańcowej wartości funkcji wiarygodności) statystyki t dla każdej ze zmiennych Z zostają obliczone dla każdej z rodziny modeli charakteryzującej się odpowiednią liczbą zmiennych M. Opisana procedura pozwala na określenie, które ze zmiennych M są związane z najwyższymi, a które z najniższymi wartościami statystyki t w wartościach absolutnych. To z koeli pozwala na określenie, czy istotność lub nieistotność statystyczna danej zmiennej Z jest rezultatem wykorzystania w modelach konkretnej zmiennej M lub konkretnej kombinacji zmiennych M. Osobne kalkulacje zostały poczynione dla modeli z różną ilością zmiennych M.
Po zakończeniu procedury EBA, w celu eliminacji problemu obciążenia jednoczesnością (ang. simultaneity bias) zastosowano podejście systemowe oraz podwójną metodę najmniejszych kwadratów. W tym celu z wykorzystaniem potrójnej oraz podwójnej metody najmniejszych kwadratów oszacowano następujący układ równań współzależnych:
𝑣𝑣 3𝑣𝑣
gdzie indeksy i,j oznaczają parę krajów i oraz j, natomiast I1 oraz I2 są macierzami zmiennych instrumentalnych. Dla zbadania odporności wyników równania zostały także oszacowane innymi metodami: klasyczną metodą najmniejszych kwadratów z wykorzystaniem korekty Newey-Westa o heteroskedastyczność i bez, metodą największej wiarygodności dla kompletnego i niekompletnego zestawu informacji oraz metodą pozornie niezależnych regresji.
184
Jeżeli wszystkie modele przejdą kryteria Sala-i-Martina dla nie normalnego rozkładu współczynników między modelami, wynik oznaczany jest jako NN odporny. W każdym innym przypadku wyniki zostają zakwalifikowane jako wrażliwe.
Po oszacowaniu odporności wszystkich zmiennych Z, zostaje przeanalizowana wrażliwość rezultatów na zmiany w warunkującym zestawie informacji. Średnie i ważone wartości (z wykorzystaniem krańcowej wartości funkcji wiarygodności) statystyki t dla każdej ze zmiennych Z zostają obliczone dla każdej z rodziny modeli charakteryzującej się odpowiednią liczbą zmiennych M. Opisana procedura pozwala na określenie, które ze zmiennych M są związane z najwyższymi, a które z najniższymi wartościami statystyki t w wartościach absolutnych. To z koeli pozwala na określenie, czy istotność lub nieistotność statystyczna danej zmiennej Z jest rezultatem wykorzystania w modelach konkretnej zmiennej M lub konkretnej kombinacji zmiennych M. Osobne kalkulacje zostały poczynione dla modeli z różną ilością zmiennych M.
Po zakończeniu procedury EBA, w celu eliminacji problemu obciążenia jednoczesnością (ang. simultaneity bias) zastosowano podejście systemowe oraz podwójną metodę najmniejszych kwadratów. W tym celu z wykorzystaniem potrójnej oraz podwójnej metody najmniejszych kwadratów oszacowano następujący układ równań współzależnych:
𝑣𝑣 3𝑣𝑣
gdzie indeksy i,j oznaczają parę krajów i oraz j, natomiast I1 oraz I2 są macierzami zmiennych instrumentalnych. Dla zbadania odporności wyników równania zostały także oszacowane innymi metodami: klasyczną metodą najmniejszych kwadratów z wykorzystaniem korekty Newey-Westa o heteroskedastyczność i bez, metodą największej wiarygodności dla kompletnego i niekompletnego zestawu informacji oraz metodą pozornie niezależnych regresji.
r
ozdział8
S
ynchronizacja cyKli KoniunKturalnych ijej determinanty W KrajacheuropejSKichW latach
1990–2007
W tej części pracy przedstawimy wartości statystyk opisowych dla synchroni-zacji cykli koniunkturalnych oraz jej determinant. zakres badania obejmuje okres 1990–2007. Przedstawione poniżej miary synchronizacji cykli koniunkturalnych przygotowano na podstawie wartości odchyleń komponentów cyklicznych od naturalnego poziomu produkcji z wykorzystaniem filtrów Baxtera-Kinga oraz Hodricka-Prescotta. Wyniki przedstawiono zarówno w wariancie statycznym, jak i dynamicznym. Wykorzystanie tych dwóch podejść pozwoliło na skonstruowa-nie dwóch alternatywnych metod wyznaczania optymalnego obszaru walutowe-go w krajach europejskich.
Wśród determinant synchronizacji cykli koniunkturalnych opisano: podobień-stwa strukturalne, handel bilateralny, współzmienność polityki fiskalnej i mone-tarnej, synchronizację cykli koniunkturalnych ze Stanami zjednoczonymi oraz dystans PKB per capita. Wśród determinant synchronizacji cykli koniunktural-nych szczególny nacisk położono na podobieństwa strukturalne. Przyjęcie takie-go podejścia można uzasadnić dużym znaczeniem podobieństw strukturalnych dla symetrycznego rozkładu szoków gospodarczych oraz brakiem dostatecznego opisu tego zjawiska w literaturze zarówno polskiej, jak i światowej.
8.1. S
ynchronizacjacyKliKoniunKturalnych–
ujęcieStatyczneW pierwszej kolejności analizie poddano stopień synchronizacji cykli ko-niunkturalnych w ujęciu statycznym – dla całego okresu 1990–2007 oraz dla pod-okresów 1990–1998 oraz 1999–2007. Wybór podpod-okresów nie był przypadkowy.
z jednej strony dzieli on wykorzystane szeregi czasowe na dwie równe części, co ułatwia porównywalność wyników. z drugiej stronny w 1999 roku w obiegu bezgotówkowym została wprowadzona waluta euro. zatem porównanie wyni-ków sprzed 1999 roku z późniejszymi wynikami pozwala na ocenę wpływu uni-fikacji monetarnej na synchronizację cykli koniunkturalnych. zbiorcze statystyki
opisowe przygotowano dla całej próby krajów strefy euro oraz wartości stopnia synchronizacji cykli koniunkturalnych z Polską. Dzięki dezagregacji możliwe są obserwacja tendencji zachodzących wewnątrz Unii Gospodarczej i Walutowej oraz ocena perspektyw Polski na przyjęcie wspólnej waluty. Statystyki opisowe dla współczynników korelacji skonstruowanych na podstawie filtru Baxtera-Kin-ga przedstawia tabela 8.1.
Tabela 8.1. Statystyki opisowe współczynników korelacji odchyleń komponentów cyklicznych od naturalnego poziomu produkcji skonstruowane na podstawie filtru Baxtera-Kinga w latach 1990–2007
Próba Cała próba Strefa euro Z Polską
Zmienna 1990–
2007 1990–
1998 1999–
2007 1990–
2007 1990–
1998 1999–
2007 1990–
2007 1990–
1998 1999–
2007 Średnia 0,491 0,337 0,697 0,713 0,655 0,805 0,041 -0,449 0,600 Mediana 0,555 0,410 0,755 0,744 0,723 0,863 0,003 -0,561 0,657 Maksimum 0,908 0,956 0,979 0,908 0,956 0,979 0,386 0,187 0,839 Minimum -0,252 -0,851 -0,166 0,370 -0,102 0,125 -0,252 -0,851 -0,048 Odchyl. standardowe 0,300 0,444 0,238 0,136 0,236 0,167 0,172 0,344 0,207 Skośność -0,638 -0,800 -1,349 -0,886 -1,254 -1,879 0,293 0,614 -1,679
Kurtoza 2,319 2,922 4,699 3,037 4,255 6,755 2,365 1,987 6,095
Jarque-Bera 16,577 20,309 80,440 8,642 21,630 77,617 0,592 2,005 16,515 p dla Jarque-Bera 0,000 0,000 0,000 0,013 0,000 0,000 0,744 0,367 0,000
Suma 93,3 64,1 132,4 47,1 43,2 53,1 0,8 -8,5 11,4
Suma kwadr. odchyleń 16,991 37,285 10,702 1,205 3,630 1,809 0,532 2,126 0,769
Liczba obserwacji 190 190 190 66 66 66 19 19 19
Źródło: opracowanie własne.
średni stopień SCK dla całej próby i całego okresu wynosi niemal 0,5 przy odchyleniu standardowym 0,3. Wynik ten jest dość wysoki, jednak obraz prze-mian, jakie dokonały się w badanych krajach, dobrze się uwidacznia dopiero po porównaniu wyników za kolejne okresy. W latach 1990–1998 średni poziom SCK wzrósł z 0,34 do niemal 0,7, a odchylenie standardowe spadło z 0,44 do 0,24. Można na tej podstawie wyciągnąć wniosek, że synchronizacja cykli ko-niunkturalnych w badanym okresie znacząco wzrosła i tym samym zwiększyły się możliwości tworzenia efektywnie funkcjonującej unii walutowej w Europie.
średnie wartości współczynnika korelacji dla krajów strefy euro są wyższe niż w przypadku całej próby w każdym z badanych okresów. średnia za cały okres wynosi 0,71 przy odchyleniu 0,14. Podobnie jak w przypadku całej pró-by w krajach strefy euro można pró-było zaobserwować znaczący wzrost średniego
Przed 2007 rokiem członkami strefy euro były: Austria, Belgia, Finlandia, Francja, Niemcy, Grecja, Irlandia, Włochy, Luksemburg, Holandia, Portugalia oraz Hiszpania – w sumie 66 możli-wych par.
19 możliwych par.
współczynnika korelacji z 0,66 w pierwszym podokresie do 0,81 w drugim, cze-mu towarzyszył także spadek odchylenia standardowego. Wynik ten tym bardziej potwierdza postępującą synchronizację cykli koniunkturalnych w krajach strefy euro. zdaje się to potwierdzać „pogląd Komisji Europejskiej” oraz hipotezę en-dogeniczności kryteriów optymalnego obszaru walutowego.
znacznie niższe średnie wartości współczynnika korelacji można zaobser-wować dla całego badanego okresu w przypadku Polski, gdzie średnia wartość współczynnika korelacji wynosiła 0,04 przy odchyleniu standardowym 0,17.
Jednak rozbicie szeregów czasowych na podokresy pokazuje, że stopień SCK Polski z wszystkimi pozostałymi krajami diametralnie wzrósł z –0,45 w latach 1990–1998 do 0,6 w latach 1999–2007. Oznacza to znaczący wzrost liczby kan-dydatów, z którymi Polska mogłaby tworzyć optymalny obszar walutowy. Wy-jaśnienia tego fenomenu można po raz kolejny upatrywać w PKE i w hipotezie endogeniczności kryteriów optymalnego obszaru walutowego. Wstąpienie Polski do Unii Europejskiej oraz idąca z tym w parze postępująca integracja gospodar-cza mogły przyczynić się do wzrostu stopnia SCK.
W kolejnym kroku analizy obliczono analogiczne wartości z wykorzystaniem komponentów cyklicznych uzyskanych za pomocą filtru Hodricka-Prescotta.
Statystyki opisowe dla współczynników korelacji skonstruowanych na podsta-wie tego filtru przedstawia tabela 8.2.
Tabela 8.2. Statystyki opisowe współczynników korelacji odchyleń komponentów cyklicznych od naturalnego poziomu produkcji skonstruowane na podstawie filtru Hodricka-Prescotta w latach 1990–2007.
Próba Cała próba Strefa euro Z Polską
Zmienna 1990– Średnia 0,495 0,412 0,569 0,693 0,765 0,639 0,099 -0,245 0,390 Mediana 0,582 0,533 0,684 0,724 0,825 0,746 0,021 -0,310 0,513 Maksimum 0,955 0,978 0,979 0,955 0,978 0,973 0,711 0,770 0,882 Minimum -0,368 -0,924 -0,757 0,215 0,085 -0,565 -0,368 -0,924 -0,536 Odchyl. standardowe 0,303 0,456 0,369 0,162 0,195 0,326 0,317 0,493 0,395 Skośność -0,766 -0,783 -1,363 -1,148 -1,650 -1,560 0,335 0,650 -0,842
Kurtoza 2,937 2,768 4,498 4,161 5,616 5,357 2,124 2,503 2,739
Jarque-Bera 18,598 19,824 76,577 18,192 48,759 42,043 0,963 1,533 2,297 p dla Jarque-Bera 0,000 0,000 0,000 0,000 0,000 0,000 0,618 0,465 0,317 Suma 94,083 78,228 108,130 45,726 50,493 42,187 1,884 -4,657 7,405 Suma kwadr. odchyleń 17,339 39,323 25,717 1,712 2,461 6,920 1,807 4,368 2,815
Liczba obserwacji 190 190 190 66 66 66 19 19 19
Źródło: opracowanie własne.
Wyniki uzyskane dzięki filtrowi Hodricka-Prescotta mimo innych wartości ukazują bardzo podobny obraz jak wyniki uzyskane z wykorzystaniem filtru 165
Synchronizacja cykli koniunkturalnych...
Baxtera-Kinga. W przypadku całej próby średnia wartość współczynnika kore-lacji wynosi 0,5 przy odchyleniu standardowym 0,3 – wyniki niemal identyczne jak uzyskane przy użyciu filtru Baxtera-Kinga. Analiza w podokresach również pokazuje, że nastąpił wzrost średniego poziomu SCK z 0,41 w latach 1990–1998 do 0,57 w latach 1999–2007. Wzrostowi średniej towarzyszył spadek odchylenia standardowego. Po raz kolejny wskazuje to na postępującą synchronizację cykli koniunkturalnych w krajach europejskich.
średni stopień synchronizacji cykli koniunkturalnych w krajach strefy euro był wyższy niż w całej próbie i wynosił 0,69 przy odchyleniu standardowym 0,16. Analiza w podokresach pokazała, że w badanym okresach nastąpił spadek średniego stopnia SCK z 0,77 do 0,64 oraz wzrost odchylenia standardowego z 0,16 do 0,2. Ten odmienny od uzyskanego z wykorzystaniem filtru Baxtera- -Kinga wynik wskazuje na słuszność „poglądu Krugmana” – postępująca inte-gracja monetarna i handlowa przełożyła się na bardziej asymetryczny rozkład szoków gospodarczych.
Wyniki dla Polski są bardzo podobne do uzyskanych z wykorzystaniem filtru Baxtera-Kinga. Przeciętna wartość współczynnika korelacji w całym badanym okresie wynosiła 0,01 przy odchyleniu standardowym 0,32. Rozbicie na pod-okresy wskazuje na znaczny wzrost średniego poziomu SCK z –0,25 do 0,39 i nieznaczny spadek odchylenia standardowego z 0,49 do 0,4. Wyniki te mogą po raz kolejny potwierdzać słuszność „poglądu Komisji Europejskiej” oraz hipote-zy endogeniczności optymalnego obszaru walutowego. Utrhipote-zymanie się podobnej tendencji w przyszłości umożliwi Polsce efektywne uczestnictwo w Unii Gospo-darczej i Walutowej.
Pełniejszego obrazu synchronizacji cykli koniunkturalnych w krajach Unii Europejskiej może dostarczyć analiza wyników dla poszczególnych par kra-jów. W tym celu zestawiono wszystkie możliwe 190 par krajów w jednej tabeli oraz uszeregowano je od najwyższego do najniższego wyniku pod względem wartości współczynnika korelacji odchyleń komponentów cyklicznych od natu-ralnego poziomu produkcji. Ten rodzaj analizy daje najpełniejszy obraz moż-liwości utworzenia optymalnego obszaru walutowego, choć obciążony jednym poważnym problemem. W celu oceny, które kraje mogą tworzyć optymalny ob-szar walutowy, trzeba przyjąć pewną arbitralną wartość stopnia synchronizacji cykli koniunkturalnych. Wszystkie pary krajów charakteryzujące się wyższym lub równym stopniem SCK będą konstytuować OOW. Dla zachowania ogólności wyników w niniejszej pracy przyjęto trzy bardzo rygorystyczne wartości krytycz-ne. Ciemnoszarym kolorem oznaczono pary krajów, dla których wartość współ-czynnika korelacji jest równa lub wyższa niż 0,9; szarym te, dla których wartość ta przekracza lub jest równa 0,8, a jasnoszary zarezerwowano dla par o wartości powyżej 0,7. Wartości współczynnika korelacji odchyleń komponentów cyklicz-nych od naturalnego poziomu PKB uzyskane za pomocą filtru Baxtera-Kinga przedstawia tabela 8.3.
Tabela 8.3. Wartości współczynnika korelacji odchyleń komponentów cyklicznych od naturalnego poziomu PKB uzyskane za pomocą filtru Baxtera-Kinga za okres 1990–2007 NrPara krajówbpNrPara krajówbpNrPara krajówbpNrPara krajówbp 1Francja-Hiszpania0,90849Finlandia-Francja0,74097Belgia-UK0,552145Cypr-Grecja0,236 2Belgia-Francja0,89850Belgia-Finlandia0,73898Holandia-UK0,545146Malta-UK0,229 3Austria-Holandia0,88951Niemcy-Portugalia0,73499Belgia-Grecja0,545147Malta-Polska0,222 4Francja-Szwecja0,88852Francja-Luksemburg0,728100Dania-Portugalia0,534148Polska-Słowacja0,204 5Holandia-Portugalia0,88053Dania-Francja0,726101Irlandia-Luksemburg0,533149Węgry-Polska0,191 6Belgia-Szwecja0,86754Luksemburg-Holandia0,723102Cypr-Dania0,532150Dania-Słowacja0,190 7Irlandia-Szwecja0,86555Węgry-UK0,703103Hiszpania-UK0,528151Cypr-UK0,179 8Francja-Holandia0,86456Dania-Holandia0,697104Włochy-Luksemburg0,522152Węgry-Luksemburg0,178 9Finlandia-Irlandia0,85857Finlandia-Holandia0,696105Cypr-Hiszpania0,522153Finlandia-Polska0,167 10Austria-Francja0,85558Finlandia-Włochy0,696106Włochy-UK0,522154Cypr-Luksemburg0,159 11Hiszpania-Szwecja0,85259Niemcy-Luksemburg0,696107Cypr-Finlandia0,520155Holandia-Słowacja0,157 12Irlandia-Hiszpania0,85060Dania-Irlandia0,691108Belgia-Malta0,511156Belgia-Węgry0,140 13Finlandia-UK0,84861Dania-Finlandia0,690109Niemcy-Irlandia0,508157Włochy-Słowacja0,124 14Portugalia-Hiszpania0,84662Finlandia-Słowacja0,689110Grecja-UK0,505158Belgia-Słowacja0,123 15Włochy-Szwecja0,84563Luksemburg-Hiszpania0,687111Austria-Cypr0,498159Francja-Słowacja0,115 16Belgia-Holandia0,84564Cypr-Francja0,685112Dania-Luksemburg0,497160Austria-Słowacja0,113 17Włochy-Hiszpania0,84265Węgry-Słowacja0,682113Cypr-Niemcy0,495161Węgry-Hiszpania0,112 18Austria-Hiszpania0,84066Portugalia-Szwecja0,680114Francja-Malta0,481162Holandia-Polska0,091 19Belgia-Hiszpania0,84067Cypr-Włochy0,676115Dania-Malta0,480163Austria-Węgry0,082 20Belgia-Włochy0,83568Irlandia-Portugalia0,672116Austria-UK0,477164Grecja-Malta0,079 21Francja-Portugalia0,83169Grecja-Włochy0,667117Grecja-Holandia0,472165Węgry-Holandia0,079 22Francja-Włochy0,83170Włochy-Portugalia0,661118Cypr-Holandia0,465166Węgry-Włochy0,065 23Finlandia-Szwecja0,83071Finlandia-Hiszpania0,659119Grecja-Luksemburg0,455167Grecja-Węgry0,052 24Dania-Szwecja0,82172Słowacja-UK0,653120Portugalia-UK0,452168Polska-Szwecja0,050 25Dania-Włochy0,82073Niemcy-Grecja0,647121Niemcy-Malta0,448169Cypr-Słowacja0,048 26Holandia-Hiszpania0,81474Szwecja-UK0,644122Grecja-Portugalia0,437170Portugalia-Słowacja0,046 27Austria-Niemcy0,81375Austria-Dania0,644123Cypr-Portugalia0,429171Węgry-Portugalia0,038
167
Synchronizacja cykli koniunkturalnych...
NrPara krajówbpNrPara krajówbpNrPara krajówbpNrPara krajówbp 28Niemcy-Włochy0,80476Belgia-Cypr0,642124Cypr-Irlandia0,427172Cypr-Węgry0,036 29Belgia-Portugalia0,80477Dania-Hiszpania0,640125Malta-Szwecja0,426173Węgry-Malta0,035 30Austria-Belgia0,79778Luksemburg-Malta0,639126Luksemburg-UK0,423174Irlandia-Polska0,027 31Niemcy-Holandia0,79479Grecja-Szwecja0,632127Malta-Portugalia0,421175Słowacja-Hiszpania0,016 32Niemcy-Hiszpania0,79380Grecja-Irlandia0,631128Irlandia-Słowacja0,420176Grecja-Polska0,003 33Austria-Luksemburg0,79181Austria-Finlandia0,630129Węgry-Irlandia0,396177Cypr-Polska0,002 34Irlandia-Włochy0,78982Finlandia-Portugalia0,629130Dania-Polska0,386178Malta-Słowacja-0,015 35Irlandia-UK0,78783Belgia-Luksemburg0,628131Finlandia-Grecja0,383179Włochy-Polska-0,015 36Francja-Irlandia0,78084Cypr-Szwecja0,628132Finlandia-Germany0,379180Austria-Polska-0,027 37Austria-Szwecja0,77185Dania-UK0,622133Finlandia-Luksemburg0,370181Belgia-Polska-0,050 38Belgia-Irlandia0,77086Luksemburg-Portugalia0,619134Irlandia-Malta0,352182Luksemburg-Słowacja-0,090 39Belgia-Dania0,76287Niemcy-Szwecja0,619135Malta-Hiszpania0,350183Francja-Polska-0,093 40Włochy-Holandia0,76288Dania-Niemcy0,617136Węgry-Szwecja0,340184Luksemburg-Polska-0,097 41Austria-Portugalia0,75589Austria-Malta0,614137Polska-UK0,317185Grecja-Słowacja-0,105 42Francja-Niemcy0,75590Luksemburg-Szwecja0,575138Finlandia-Malta0,314186Niemcy-Polska-0,159 43Austria-Irlandia0,74991Malta-Holandia0,574139Włochy-Malta0,309187Polska-Portugalia-0,191 44Irlandia-Holandia0,74592Dania-Grecja0,568140Dania-Węgry0,283188Niemcy-Słowacja-0,214 45Belgia-Niemcy0,74493Austria-Grecja0,568141Francja-Węgry0,277189Niemcy-Węgry-0,248 46Grecja-Hiszpania0,74494Francja-Grecja0,558142Słowacja-Szwecja0,269190Polska-Hiszpania-0,252 47Holandia-Szwecja0,74395Francja-UK0,556143Niemcy-UK0,250 48Austria-Włochy0,74296Finlandia-Węgry0,553144Cypr-Malta0,247 Źródło: opracowanie własne.
Tabela 8.3 cd.
Wartością współczynnika korelacji powyżej 0,9 charakteryzuje się tylko jed-na para krajów, a mianowicie Francja-Hiszpania. Ozjed-nacza to, że te dwa kraje mogą efektywnie stosować jednolitą politykę pieniężną i zewnętrznie płynny kurs walutowy w celu zapewnienia zewnętrznej i wewnętrznej równowagi ma-kroekonomicznej. Warto dodać, że gospodarki te są duże i dzielą wspólną
Wartością współczynnika korelacji powyżej 0,9 charakteryzuje się tylko jed-na para krajów, a mianowicie Francja-Hiszpania. Ozjed-nacza to, że te dwa kraje mogą efektywnie stosować jednolitą politykę pieniężną i zewnętrznie płynny kurs walutowy w celu zapewnienia zewnętrznej i wewnętrznej równowagi ma-kroekonomicznej. Warto dodać, że gospodarki te są duże i dzielą wspólną